Seeker Optimization Algorithm for Optimal Reactive Power Dispatch

Optimal reactive power dispatch problem in power systems has thrown a growing influence on secure and economical operation of power systems. However, this issue is well known as a nonlinear, multimodal and mixed-variable problem. In the last decades, computation intelligence-based techniques, such as genetic algorithms (GAs), differential evolution (DE) algorithms and particle swarm optimization (PSO) algorithms, etc., have often been used for this aim. In this work, a seeker optimization algorithm (SOA)-based reactive power dispatch method is proposed. The SOA is based on the concept of simulating the act of human searching, where the search direction is based on the empirical gradient by evaluating the response to the position changes and the step length is based on uncertainty reasoning by using a simple Fuzzy rule. In this study, the algorithm's performance is evaluated on benchmark function optimization. Then, the SOA is applied to optimal reactive power dispatch on standard IEEE 57- and 118-bus power systems, and compared with conventional nonlinear programming method, two versions of GAs, three versions of DE algorithms and four versions of PSO algorithms. The simulation results show that the proposed approach is superior to the other listed algorithms and can be efficiently used for optimal reactive power dispatch.      

基于改进量子遗传算法的电力系统无功优化

提出一种基于改进量子遗传算法的电力系统无功优化方法。该方法借鉴量子计算的一些概念,采用量子比特对控制变量编码,这种编码方式能表示出许多可能的线性叠加态,从而更好地维持种群的多样性。同时利用搜索到的最佳个体信息更新量子门,加快了该方法的收敛速度,采用群体灾变策略防止该方法陷入“早熟”。分别采用线性规划算法、复合形算法、改进禁忌搜索算法、标准遗传算法、自适应遗传算法和该方法对IEEE 6和IEEE 30节点系统进行无功优化,实验结果表明,该方法全局寻优能力强、收敛速度快。     

水火电力系统有功无功经济调度的研究

本文在文献［１］的基础上，推导了水火电力系统同时实现有功、无功经济负荷分配的数学模型，并用分解协调法进行求解；提出了用于求解火电子系统有功经济负荷分配的新算法──区间寻优法；推导了一种求解无功负荷最优分配的解析迭代法。通过算例，验证了数学模型和计算方法的正确性及有效性。     

多目标进化算法求解无功优化问题的对比分析

对经典的多目标进化算法(multi-objective evolutionary algorithms,MOEAs)在电力系统无功优化中的应用展开比较研究。与传统设定偏好参数、将多目标问题转化为单目标问题的方法不同,直接采用计及系统网损与电压偏移的多目标模型。提出无功优化多目标进化算法统一框架,采用一致的编码策略、约束处理方法。以IEEE30节点标准系统的多目标无功优化为算例,从帕累托前沿、外部解及C指标等方面,比较各种算法的性能特点,并按照其优劣将算法分为5个性能等级。参考算法的性能等级,详细分析每种算法的优缺点。相关结论对MOEAs在无功优化及电力系统其他优化问题中的应用和改进,都具有一定的参考价值。     

基于混沌粒子群优化方法的电力系统无功最优潮流

针对电力系统无功最优潮流问题,提出一种混沌粒子群优化(CPSO)方法,以克服粒子群优化(PSO)方法容易早熟而陷入局部最优解的缺点。该方法结合混沌变量良好的遍历特性及混沌优化的特点,对即将重合而引起搜索能力下降的粒子赋予混沌状态搜索,其余粒子仍以常规PSO方法搜索,从而提高PSO方法的寻优性能。通过对IEEE6,IEEE14,IEEE30和IEEE118测试系统无功最优潮流问题的计算及分析,表明CPSO方法具有很高的搜索效率和诱人的应用前景。     

多目标进化算法求解无功优化问题的比较与评估

多目标进化算法在电力系统无功优化领域已有广泛应用,目前研究主要集中于引入某种单一算法求解该问题,难以全面客观地分析算法的寻优性能。因此选取当前典型的多目标进化算法,从整体角度对它们在无功优化问题中的应用展开比较研究。与传统设定偏好参数、将多目标问题转化为单目标问题的方法不同,直接采用计及系统网损与电压偏移的多目标模型。以IEEE 30节点标准系统的多目标无功优化为算例,从非支配解集质量和多样性、帕累托前沿分布广阔性和均匀性及收敛速度等角度,比较算法的寻优性能,分析其优势或不足。在评估各种算法计算性能的基础上提出了进一步研究的展望。相关结论对多目标进化算法在无功优化问题中的应用和改进具有一定的参考价值。     

基于改进鲸鱼优化算法的多目标无功优化调度

在鲸鱼优化算法(WOA)对求解电网无功优化问题中容易陷入局部最优、收敛速度慢、求解精度低等缺点时,本文将一种引入冯诺依曼拓扑结构的改进鲸鱼优化算法(AWOA)应用到ORPD问题中,在鲸鱼对猎物进行狩猎行为时,能够增加猎物的多样性,提高了算法的全局搜索能力。以系统有功网损和电压偏差为双目标函数,对IEEE 30节点系统进行仿真,并利用方差分析法(ANOVA)将所得结果与基本鲸鱼优化算法(WOA)、粒子群优化算法(PSO)进行比较,研究表明AWOA算法在搜索能力、迭代次数、收敛性上的潜力,并证明了在解决ORPD问题上的有效性、高效性及鲁棒性,同时也为解决非线性约束问题提供了新途径。     

多目标混合进化算法及其在经济调度中的应用

鉴于环境保护的要求,对于经济调度问题,需同时考虑环境要求、发电费用等多个目标。提出一种基于进化规划(evolutionary programming,EP)和粒子群优(particle swarm optimization,PSO)的多目标混合进化算法(multi-objective evolutionary programming and particle swarm optimization,MOEPPSO),MOEPPSO采用了EP的变异操作,用来抑制PSO的快速收敛所带来的种群早熟问题,而PSO的记忆、协作能力则弥补了EP收敛速度慢的缺点。此外,MOEPPSO应用自适应网格算法对外部库中的Pareto解集进行调整,对一个30节点IEEE系统进行计算,结果显示MOEPPSO在获得最优Pareto解集、降低计算复杂度、提高收敛效率等方面具有很强的优越性。     

基于分层分区协同进化算法的电力系统无功优化

随着电力系统的大范围互联以及电压等级的增多,无功优化问题变得越来越复杂。无功优化问题是一个多变量、非线性、非连续性问题,在不同电压等级电网中无功又有不同的特点。针对电力系统无功优化的上述特点以及大范围互联电网控制变量较多的问题,提出了按电压等级将电力系统分层,各层之间独立优化互不影响,层内分区域并采用协同进化算法优化的方法。对于电力系统分层的方法作了探讨,提出了节点分裂的方法。在此基础上针对层内无功优化详细讨论了协同进化算法的原理、步骤以及其应用。IEEE30节点的算例表明,该方法要优于DFP,BFS等经典优化算法以及普通遗传算法。     

Quantum-Inspired Particle Swarm Optimization for Valve-Point Economic Load Dispatch

Economic load dispatch (ELD) is an important topic in the operation of power plants which can help to build up effective generating management plans. The ELD problem has nonsmooth cost function with equality and inequality constraints which make it difficult to be effectively solved. Different heuristic optimization methods have been proposed to solve this problem in previous study. In this paper, quantum-inspired particle swarm optimization (QPSO) is proposed, which has stronger search ability and quicker convergence speed, not only because of the introduction of quantum computing theory, but also due to two special implementations: self-adaptive probability selection and chaotic sequences mutation. The proposed approach is tested with five standard benchmark functions and three power system cases consisting of 3, 13, and 40 thermal units. Comparisons with similar approaches including the evolutionary programming (EP), genetic algorithm (GA), immune algorithm (IA), and other versions of particle swarm optimization (PSO) are given. The promising results illustrate the efficiency of the proposed method and show that it could be used as a reliable tool for solving ELD problems.      

基于多目标决策协调进化算法的电力系统无功优化

在传统无功优化模型基础上,建立了以系统有功网损、静态电压稳定裕度、电压偏差、无功补偿容量和发电机发电成本的多目标无功优化模型。采用多目标决策协调进化算法对电力系统无功进行优化,将多目标决策协调算法与群体进化理论有机结合起来,在有限的群体内对每个个体按协调算法进行排序,以提高优化方法的有效性。通过Matlab7．0编程对IEEE30和IEEE14节点算例系统进行计算。计算结果表明,该方法具有系统网损、电压偏差及无功补偿容量小、发电机发电成本低和系统稳定裕度高的特点。     

考虑提高系统无功备用容量的无功优化调度

充裕的无功备用容量是保证系统电压稳定的一个重要因素,因此在日常无功优化调度过程中考虑提高系统的无功备用容量是防止电压失稳的重要手段之一。文章在分析发电机备用容量数学模型的基础上,定义了基于电压稳定的系统无功备用容量的计算公式,提出了考虑增大无功备用容量、减少网络损耗以及减小电压偏移的多目标无功优化调度算法。并将该算法应用于IEEE 30节点系统,证明了所定义的基于电压稳定的系统无功备用容量计算公式的正确性及提高备用容量的无功优化调度算法的可行性。     

考虑光伏并网的电力系统无功优化

电力系统无功优化,特别是动态无功优化,对于系统的暂态安全性具有较大作用。目前,新能源接入电网,特别是光伏电池接入已成为一种趋势。但光伏设备出力通常具有较大的不确定性,对电力系统电压特性产生较大影响,因此有必要在电力系统无功优化中考虑光伏设备的不确定性,从而保证电力的安全稳定性。基于此,文章提出一种考虑光伏接入的电力系统无功优化方法,并提出一种三阶段求解算法对所提问题进行求解。所提算法在实际电网中进行分析并检验了可行性。     

市场环境下配电网投资成本定价模型

分布式电源在未来能源供应中将起到重要作用,其合理规划能够降低系统网损、延缓电网建设。现有配电网投资成本定价模型并未反映分布式电源影响。基于此,文中将已成功应用于英国输电网的基于直流潮流的投资定价（ICRP-DC）模型扩展至配电网中,结合配电网特点提出了适合于其投资成本定价的基于交流潮流的投资定价（ICRP-AC）模型,并考虑各节点注入/吸收有功功率及无功功率影响,与其他模型相比,该模型可提供相关经济信号指导分布式电源的合理建设。算例仿真结果验证了所述模型的有效性,并与ICRP-DC模型进行了对比分析。     

新能源并网下微电网台区线损与无功多目标优化

电力系统无功备用按时间尺度可分为静态无功备用和暂态无功备用,分别对应静态电压稳定问题和暂态电压稳定问题。在新能源并网条件下,文中提出一种同时考虑静态、暂态无功备用的电力系统网络线路损优化模型。根据模型的特点,利用带权重的极小理想点转化多目标规划问题为单目标规划问题。这一方法可避免求取复杂的Pareto前端表面,解决了多目标编程问题,简化了问题解决的复杂性。IEEE 39节点系统的仿真分析证明了该方法的有效性。     

基于并行协同粒子群优化算法和PC集群的无功优化

针对大规模电力系统无功优化高维度、非线性、不连续的问题,提出一种并行协同粒子群优化算法.该算法基于消息传递接口技术,采用二级并行的方案求解无功优化问题.第1级并行是通过控制变量分组,将原优化问题分解成几个相互关联的子优化问题,每一个子优化问题对应一个子粒子群,各子粒子群相互协同,共同求取最优解.第2级并行是指用粒子群优化算法求解子优化问题时使用多个进程并行求解,进程间采用对等模式分配计算任务,提高了优化效率.此外,为了增强粒子群优化算法的全局寻优能力,在优化过程中对其参数进行了动态调整.通过在PC集群上对IEEE 118节点系统和IEEE 300节点系统进行仿真计算,验证了该算法能取得较好的优化结果,具有较高的加速比和可扩展性,能满足大规模电力系统无功优化的需要.     

含风电系统的无功优化调度

针对恒速恒频和变速恒频两类控制模式对风电机组分别进行建模,以系统有功网损最小为目标,以常规发电机和恒电压控制模型风机的无功出力、变压器抽头位置和投入的电容电抗组数为控制变量,建立了含风电系统的无功优化模型。采用原对偶内点算法进行求解,对于模型中的离散变量,提出了优化归整轮流迭代的方法来进行处理。对海南电网汛小方式的算例分析表明,该无功优化模型和方法可以明显地降低系统网损和系统运行成本。     

基于混沌原理的火电机组负荷分配优化系统研究

结合国内电力市场现状,建立了火电机组负荷分配优化的模型.对比分析了机组负荷分配优化不同算法的优缺点,具有全局寻优能力的混沌算法最适合火电机组负荷分配优化的求解,并开发了机组负荷分配优化系统软件,对降低火电厂总煤耗,提高供电品质,实现火电厂机组的安全、稳定和经济运行具有一定的理论和现实意义.     

电力系统时变无功优化算法

根据电力系统实际运行中负荷不断变化的情况,提出了一种新的电力系统时变无功优化算法。从负荷曲线的特点出发,结合设备的动作次数的约束,提出利用遗传算法进行智能化负荷分段的方法;利用免疫系统的免疫信息处理机制和自动调整动量系数的自适应因子的粒子群算法,从整体上获得系统的最优控制方式。IEEE-30算例分析表明,该方法有效减少了补偿设备和变压器分接头的动作次数,明显降低了系统在一天内的网损。     

非正弦无功功率算法与无功补偿研究

准确计算无功功率并对无功进行合理补偿是提高电能质量的关键。着重分析了非正弦电路中的无功功率,利用傅立叶方法推导出非正弦谐波电路畸变功率和无功功率的计算公式。最后通过特性曲线图和数字存储示波器测得的波形图分析了无功平衡与晶闸管投切电容的无功补偿方法。